Prompting für Claude Fable 5

Dieser Leitfaden behandelt die Prompting- und Scaffolding-Muster, die spezifisch für Claude Fable 5 und Claude Mythos 5 sind. Für die Fähigkeiten des Modells, API-Änderungen, Preise und Verfügbarkeit siehe Einführung von Claude Fable 5 und Claude Mythos 5. Für Techniken, die für alle aktuellen Claude-Modelle gelten, siehe Best Practices für Prompting.

Claude Fable 5 nimmt sich Problemen an, die für frühere Modelle bisher zu komplex, zu langwierig oder zu mehrdeutig waren, und ist besonders effektiv bei End-to-End-Arbeit, für die eine Person Stunden, Tage oder Wochen benötigt. Die Teams mit den besten Ergebnissen setzen Claude Fable 5 für ihre schwierigsten ungelösten Probleme ein; es nur an einfacheren Workloads zu testen, wird seinem Fähigkeitsspektrum tendenziell nicht gerecht. Es liefert auch bei einfacheren Aufgaben zuverlässige Ergebnisse.

Claude Fable 5 weist mehrere Verhaltensunterschiede gegenüber Claude Opus 4.8 auf, die möglicherweise Anpassungen an Prompts oder Scaffolding erfordern. Fähigkeitsverbesserungen auf diesem Niveau sind auch ein guter Anlass, neu zu bewerten, welche Anweisungen, Tools und Guardrails noch benötigt werden. Die folgenden Muster decken die Verhaltensweisen ab, die am häufigsten Feinabstimmung erfordern.



Fähigkeitsverbesserungen

Im Vergleich zu Claude Opus 4.8 zeigt Claude Fable 5 Verbesserungen bei:

• Autonomie über lange Zeiträume. Claude Fable 5 hält produktive Ausgaben über längere Zeiträume aufrecht und schließt mehrtägige, zielgerichtete Läufe mit starker Beibehaltung von Anweisungen über lange, komplexe Aufgaben hinweg ab.
• Korrektheit im ersten Anlauf bei komplexen, gut spezifizierten Problemen. Frühe Tester berichteten von Implementierungen von Systemen in einem einzigen Durchgang, die zuvor Tage an Iteration erforderten.
• Vision. Claude Fable 5 interpretiert dichte technische Bilder, Webanwendungen und detaillierte Screenshots mit deutlich höherer Genauigkeit, oft bei geringerem Verbrauch von Output-Tokens, und ist darauf trainiert, Bash- und Crop-Tools zu verwenden, um gespiegelte, unscharfe oder verrauschte Bilder zu verarbeiten.
• Enterprise-Workflows. Claude Fable 5 befolgt Anweisungen, bleibt im Rahmen der Aufgabe und liefert Ergebnisse auf professionellem Niveau bei Finanzanalysen, Tabellenkalkulationen, Folien und Dokumenten.
• Code-Review und Debugging. Die Trefferquote beim Auffinden von Bugs (außerhalb der Cybersecurity-Domänen, die die Sicherheitsklassifikatoren abdecken) ist merklich höher als bei Claude Opus 4.8, einschließlich der Suche über Codebasen und Repository-Historie hinweg.
• Umgang mit Mehrdeutigkeit. Claude Fable 5 schneidet gut ab, wenn es komplexe, vielschichtige Anfragen erhält und die nächsten Schritte bestimmen soll.
• Delegation und Zusammenarbeit. Claude Fable 5 ist deutlich zuverlässiger beim Starten und Aufrechterhalten paralleler Subagenten und verwaltet die laufende Kommunikation mit langlaufenden Subagenten und Peer-Agenten zuverlässig.

Über diese spezifischen Verbesserungen hinaus ist Claude Fable 5 bei fast allen Aufgaben generell leistungsfähiger als frühere Modelle. Claude Fable 5 ist nicht für offensive Cybersecurity oder Arbeiten in Biologie und Lebenswissenschaften vorgesehen; Anfragen in diesen Domänen können stop_reason: "refusal" zurückgeben.



Standardmäßig längere Turns

Einzelne Anfragen bei schwierigen Aufgaben können bei höheren Effort-Einstellungen viele Minuten laufen, insbesondere wenn die Aufgabe das Sammeln von Kontext, das Erstellen und die Selbstverifizierung erfordert, und autonome Läufe können sich über Stunden erstrecken. Dies ist eine der größten Umstellungen, auf die Teams bei der Anpassung an Claude Fable 5 stoßen. Passe Client-Timeouts, Streaming und nutzerseitige Fortschrittsanzeigen vor der Migration an und erwäge, Harnesses so umzustrukturieren, dass Läufe asynchron überprüft werden, zum Beispiel über geplante Jobs, anstatt zu blockieren. Um zu verhindern, dass Claude Fable 5 bei einer mehrdeutigen Aufgabe zu viel plant:

When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks.



Alle Effort-Stufen in Betracht ziehen

Effort ist die primäre Steuerung für den Kompromiss zwischen Intelligenz, Latenz und Kosten bei Claude Fable 5. Verwende high als Standard für die meisten Aufgaben, xhigh für die fähigkeitskritischsten Workloads und medium oder low für Routinearbeit. Niedrigere Effort-Einstellungen bei Claude Fable 5 liefern weiterhin gute Ergebnisse und übertreffen oft die xhigh-Leistung früherer Modelle. Reduziere den Effort, wenn eine Aufgabe abgeschlossen wird, aber länger dauert als nötig, oder wenn du einen schnelleren, interaktiveren Arbeitsstil möchtest.

Bei Routinearbeit mit höherem Effort kann Claude Fable 5 mehr Kontext sammeln und länger abwägen, als die Aufgabe erfordert. Gleichzeitig führt höherer Effort oft zu exzellentem Verifizierungsverhalten, anspruchsvollem Reasoning und den gründlichsten Ergebnissen. Um unerwünschtes Aufräumen oder Refactoring bei höherem Effort zu verhindern:

Don't add features, refactor, or introduce abstractions beyond what the task requires. A bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a helper. Don't design for hypothetical future requirements: do the simplest thing that works well. Avoid premature abstraction and half-finished implementations. Don't add error handling, fallbacks, or validation for scenarios that cannot happen. Trust internal code and framework guarantees. Only validate at system boundaries (user input, external APIs). Don't use feature flags or backwards-compatibility shims when you can just change the code.



Starkes Befolgen von Anweisungen

Das Befolgen von Anweisungen ist so weit verbessert, dass du die meisten Verhaltensweisen mit einer kurzen Anweisung steuern kannst, anstatt jedes Verhalten einzeln aufzuzählen. Zum Beispiel kann Claude Fable 5 ohne Steuerung über das hinausgehen, was die Aufgabe erfordert, insbesondere bei höheren Effort-Einstellungen: Optionen durchgehen, die es nicht verfolgen wird, Ursachen ausführlich erklären, stark strukturierte PR-Beschreibungen erstellen oder Kommentare schreiben, die beschreiben, was die nächste Zeile tut. Eine kurze Anweisung zur Kürze ist genauso effektiv wie das Auflisten jedes einzelnen Musters:

Lead with the outcome. Your first sentence after finishing should answer "what happened" or "what did you find": the thing the user would ask for if they said "just give me the TLDR." Supporting detail and reasoning come after. Being readable and being concise are different things, and readability matters more.

The way to keep output short is to be selective about what you include (drop details that don't change what the reader would do next), not to compress the writing into fragments, abbreviations, arrow chains like A → B → fails, or jargon.

Dasselbe gilt für das Checkpoint-Verhalten in langlaufenden Workflows. Damit Claude Fable 5 nur dort anhält, wo es dich wirklich braucht, ist es nicht nötig, jeden Fall aufzuzählen:

Pause for the user only when the work genuinely requires them: a destructive or irreversible action, a real scope change, or input that only they can provide. If you hit one of these, ask and end the turn, rather than ending on a promise.



Fortschrittsangaben bei langen Läufen verankern

Weise Claude Fable 5 bei langen autonomen Läufen an, den Fortschritt anhand tatsächlicher Tool-Ergebnisse zu überprüfen. In Anthropics Tests hat dies erfundene Statusberichte nahezu eliminiert, selbst bei Aufgaben, die darauf ausgelegt waren, sie hervorzurufen:

Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step was skipped, say that; when something is done and verified, state it plainly without hedging.



Die Grenzen festlegen

Claude Fable 5 kann gelegentlich nicht angeforderte Aktionen ausführen (eine E-Mail entwerfen, obwohl keine angefordert wurde, defensive Git-Branch-Backups erstellen). Definiere explizite Einschränkungen dafür, was Claude Fable 5 tun und nicht tun soll:

When the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don't apply a fix until they ask for one. Before running a command that changes system state (restarts, deletes, config edits), check that the evidence actually supports that specific action. A signal that pattern-matches to a known failure may have a different cause.



Parallele Subagenten

Claude Fable 5 startet parallele Subagenten bereitwilliger als frühere Modelle. Verwende Subagenten häufig, gib explizite Hinweise dazu, wann Delegation angemessen ist, und bevorzuge asynchrone Kommunikation zwischen Orchestrator und Subagenten gegenüber dem Blockieren, bis jeder Subagent zurückkehrt. Langlebige Subagenten, die ihren Kontext über Teilaufgaben hinweg behalten, sparen Zeit und Kosten durch Cache-Reads und vermeiden Engpässe durch den langsamsten Subagenten.

Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context.



Ein Memory-System aufbauen

Claude Fable 5 schneidet besonders gut ab, wenn es Erkenntnisse aus früheren Läufen festhalten und darauf zurückgreifen kann. Stelle einen Ort zum Schreiben von Notizen bereit, so einfach wie eine Markdown-Datei:

Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don't save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong.

Um das Memory-System aus vorhandener Historie zu initialisieren, lass Claude Fable 5 vergangene Sessions durchsehen:

Reflect on the previous sessions we've had together. Use subagents to identify core themes and lessons, and store them in [X]. Make sure you know to reference [X] for future use.



Seltene Fälle von vorzeitigem Anhalten

Tief in einer langen Session kann Claude Fable 5 gelegentlich einen Turn mit einer reinen Textaussage über seine Absicht beenden („Ich führe jetzt X aus"), ohne den entsprechenden Tool-Aufruf auszuführen, oder innehalten, um um Erlaubnis zu fragen, obwohl es bereits genug hat, um fortzufahren. Ein „weiter" oder „mach es komplett durch" genügt. Um zu definieren, wann Innehalten angemessen ist, kombiniere dies mit der Checkpoint-Anweisung in Starkes Befolgen von Anweisungen. Für autonome Pipelines füge einen System-Reminder hinzu:

You are operating autonomously. The user is not watching in real time and cannot answer questions mid-task, so asking "Want me to…?" or "Shall I…?" will block the work. For reversible actions that follow from the original request, proceed without asking. Offering follow-ups after the task is done is fine; asking permission after already discussing with the user before doing the work is not. Before ending your turn, check your last paragraph. If it is a plan, an analysis, a question, a list of next steps, or a promise about work you have not done ("I'll…", "let me know when…"), do that work now with tool calls. End your turn only when the task is complete or you are blocked on input only the user can provide.



Seltene Fälle von Sorge um das Kontext-Budget

In sehr langen Sessions kann Claude Fable 5 gelegentlich eine neue Session vorschlagen, anbieten, zusammenzufassen und zu übergeben, oder seine eigene Arbeit kürzen. Dies wird am häufigsten ausgelöst, wenn der Harness dem Modell einen Countdown der verbleibenden Tokens anzeigt. Vermeide es nach Möglichkeit, explizite Kontext-Budget-Zähler anzuzeigen. Wenn der Harness sie anzeigen muss, hilft eine Beruhigung:

You have ample context remaining. Do not stop, summarize, or suggest a new session on account of context limits. Continue the work.



Den Grund angeben, nicht nur die Anfrage

Claude Fable 5 liefert tendenziell bessere Ergebnisse, wenn es die Absicht hinter einer Anfrage versteht: Kontext ermöglicht es ihm, die Aufgabe mit relevanten Informationen zu verknüpfen, anstatt die Absicht selbst ableiten zu müssen. Gib Kontext dazu, warum du etwas anfragst, insbesondere bei langlaufenden Agenten, die auf mehrere Arbeitsstränge zurückgreifen:

I'm working on [the larger task] for [who it's for]. They need [what the output enables]. With that in mind: [request].



Lesbarkeit bei der Kommunikation mit dem Nutzer

In ausgedehnten oder agentischen Konversationen (viele Tool-Aufrufe, großer Arbeitskontext) kann Claude Fable 5 Text produzieren, der schwer zu folgen ist: dichte Pfeilketten-Kurzschreibweise, tiefe Implementierungsdetails, Verweise auf Denkprozesse, die der Nutzer nie gesehen hat, oder übermäßig technische Formulierungen. Ein Zusatz zum Kommunikationsstil mildert dies:

Terse shorthand is fine between tool calls (that's you thinking out loud, and brevity there is good). Your final summary is different: it's for a reader who didn't see any of that.

If you've been working for a while without the user watching (overnight, across many tool calls, since they last spoke), your final message is their first look at any of it. Write it as a re-grounding, not a continuation of your working thread: the outcome first, then the one or two things you need from them, each explained as if new. The vocabulary you built up while working is yours, not theirs; leave it behind unless you re-introduce it.

When you write the summary at the end, drop the working shorthand. Write complete sentences. Spell out terms. Don't use arrow chains, hyphen-stacked compounds, or labels you made up earlier. When you mention files, commits, flags, or other identifiers, give each one its own plain-language clause. Open with the outcome: one sentence on what happened or what you found. Then the supporting detail. If you have to choose between short and clear, choose clear.



Ein Send-to-User-Tool erstellen

Wenn du lange, asynchrone Agenten betreibst, gib dem Agenten eine Möglichkeit, eine Nachricht anzuzeigen, die der Nutzer genau so sehen muss, wie sie geschrieben wurde, ohne seinen Turn zu beenden: ein Arbeitsergebnis (ein generierter Code-Snippet oder eine entworfene Nachricht), ein Fortschrittsupdate mit konkreten Zahlen oder eine direkte Antwort auf eine Frage, die der Nutzer mitten im Loop gestellt hat. Der Input des Tools ist die anzuzeigende Nachricht; wenn Claude es aufruft, rendere den Input direkt in deiner UI und gib eine einfache Bestätigung als Tool-Ergebnis zurück. Tool-Inputs werden nie zusammengefasst, sodass der Inhalt unverändert ankommt.

{
  "name": "send_to_user",
  "description": "Display a message directly to the user. Use this for progress updates, partial results, or content the user must see exactly as written before the task finishes.",
  "input_schema": {
    "type": "object",
    "properties": {
      "message": {
        "type": "string",
        "description": "The content to display to the user."
      }
    },
    "required": ["message"]
  }
}

Füge dieses Tool immer dann hinzu, wenn deine UX davon abhängt, Inhalte oder direkte Nutzerinteraktionen wortgetreu mitten in der Aufgabe zu übermitteln. Für Agenten, die nur routinemäßigen Fortschritt beschreiben, sind die eigenen Zusammenfassungen des Modells in der Regel ausreichend. Das Tool zu definieren reicht allein nicht aus; ohne eine Anweisung im System-Prompt ruft Claude Fable 5 es selten auf. Kombiniere das Tool mit einer auffordernden Formulierung wie:

Between tool calls, when you have content the user must read verbatim (a partial deliverable, a direct answer to their question), call the send_to_user tool with that content. Use send_to_user only for user-facing content, not for narration or reasoning.

Leite keine Erzählungen oder internes Reasoning über send_to_user; ein übermäßiger Aufruf für Inhalte, die nicht für den Nutzer bestimmt sind, verfehlt den Zweck.



Empfohlene Scaffolding-Änderungen

• Beginne am oberen Ende deines Schwierigkeitsspektrums. Wähle eine Aufgabe, die schwieriger ist als das, was du früheren Modellen zuweisen würdest, und lass Claude Fable 5 sie eingrenzen, Rückfragen stellen und ausführen.
• Mache Selbstverifizierung in Prompts für lange Läufe explizit. Separate Verifizierer-Subagenten mit frischem Kontext übertreffen tendenziell die Selbstkritik. Für langlaufende Aufgaben weise an: Establish a method for checking your own work at an interval of [X] as you build. Run this every [X interval], verifying your work with subagents against the specification.
• Refaktoriere bestehende Prompts und Skills. Skills, die für frühere Modelle entwickelt wurden, sind für Claude Fable 5 oft zu präskriptiv und können die Ausgabequalität verschlechtern. Überprüfe ältere Anweisungen und erwäge, sie zu entfernen, wenn die Standardleistung besser ist. Claude Fable 5 ist auch gut darin, Skills spontan auf Basis dessen zu aktualisieren, was es aus der aktuellen Aufgabe lernt.
• Weise Claude nicht an, sein Reasoning in der Antwort wiederzugeben. Prompts, Skills oder Harness-Anweisungen, die das Modell anweisen, sein internes Reasoning als Antworttext zu wiederholen, zu transkribieren oder zu erklären, können bei Claude Fable 5 die reasoning_extraction-Refusal-Kategorie auslösen und zu vermehrten Fallbacks auf Claude Opus 4.8 führen. Überprüfe bestehende Skills und System-Prompts bei der Migration auf Reflexions- oder „Zeige-dein-Denken"-Anweisungen. Wenn deine Anwendung Einblick in das Reasoning benötigt, lies stattdessen die strukturierten thinking-Blöcke aus dem adaptiven Denken und verwende ein Send-to-User-Tool, um Fortschritt während langer Läufe anzuzeigen.
• Erstelle ein Send-to-User-Tool. Für lange, asynchrone Agenten übermittelt ein clientseitiges Tool Nachrichten wortgetreu an den Nutzer, ohne den Turn zu beenden. Siehe Ein Send-to-User-Tool erstellen.